數(shù)據(jù)挖掘在銷售預(yù)測(cè)中的應(yīng)用研究.pdf

1、隨著企業(yè)信息化程度越來(lái)越高，ERP系統(tǒng)得到了越來(lái)越廣泛的應(yīng)用。然而，隨著ERP中的數(shù)據(jù)與日劇增，“數(shù)據(jù)爆炸但知識(shí)貧乏”的現(xiàn)象已日益突出。本文針對(duì)傳統(tǒng)ERP系統(tǒng)關(guān)于銷售預(yù)測(cè)在決策支持方面的不足，根據(jù)數(shù)據(jù)挖掘技術(shù)的特點(diǎn)，把數(shù)據(jù)挖掘技術(shù)應(yīng)用到銷售預(yù)測(cè)系統(tǒng)中。 傳統(tǒng)的銷售預(yù)測(cè)方法往往只考慮了一部分影響銷售的因素，無(wú)法表達(dá)影響需求的各種因素之間復(fù)雜的相互作用，建立的模型簡(jiǎn)單。而人工神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射能力和自學(xué)習(xí)能力，它可以通過(guò)學(xué)

2、習(xí)把基本需求、季節(jié)因素、周期因素、市場(chǎng)活動(dòng)等影響需求的因素以及它們之間復(fù)雜的相互作用以權(quán)值的形式固化在神經(jīng)網(wǎng)絡(luò)中。因此，作者把BP神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于銷售預(yù)測(cè)，建立了相應(yīng)的銷售預(yù)測(cè)模型。仿真結(jié)果表明，該模型預(yù)測(cè)精度較高和較好的泛化能力，有一定的實(shí)際應(yīng)用意義。 雖然BP網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)結(jié)果不錯(cuò)，但是單純的BP算法自身存在著一些不足：(1)易陷于局部極值；(2)遺忘已學(xué)樣本的趨勢(shì)；(3)學(xué)習(xí)效率不高，收斂速度慢等。本文將遺傳算法(GA